-
公开(公告)号：CN113762201B
公开(公告)日：2023-05-09
申请号：CN202111088283.6
申请日：2021-09-16
申请人： 深圳大学
IPC分类号： G06V40/16 , G06V20/40 , G06V10/774 , G06V10/82 , G06N3/0464
摘要： 本发明实施例公开了一种基于yolov4的口罩检测方法，包括：步骤1：采集公共场合下人们佩戴口罩和未佩戴口罩的图像，制作训练集；步骤2：构建预设YOLOV4目标检测模型；步骤3：将训练集放入预设YOLOV4目标检测模型中训练；步骤4：通过所述训练后的预设YOLOV4目标检测模型对待检测视频流或图片进行检测，判断视频流或图片中的每一个人脸目标是否佩戴口罩。本发明针对口罩佩戴检测的一般场景，采用对Backbone网络部分更改为MobileNetV3结构，使用深度可分离卷积代替整个网络结构中的普通卷积，MobileNetV3结构体积小、计算效率高，对MobileNetV3结构里的SE注意力机制模块更改为CA注意力机制，将位置信息嵌入到通道注意力中，增强特征表达能力，加强对图片或视频区域的口罩检测。
-
公开(公告)号：CN113762200A
公开(公告)日：2021-12-07
申请号：CN202111088278.5
申请日：2021-09-16
申请人： 深圳大学
摘要： 本发明实施例公开了一种基于LFFD的口罩检测方法，包括：步骤1：制作训练集；步骤2：构建预设的SP‑LFFD人脸检测网络和分类网络，并进行训练；步骤3：先将输入的图片进行人脸检测，然后获得人脸位置后再送入分类网络判断输入的图片的每一个人脸目标是否佩戴口罩；其中，预设的SP‑LFFD人脸检测网络包括25个卷积层，分为4个部分，各卷积层采用基于Split的SPConv卷积单元代替常规卷积。本发明针对口罩佩戴检测场景采用LFFD检测框架和Resnet18图像分类，采用SPConv卷积替代常规卷积，降低常规卷积中的冗余信息，可以大幅度提升推理速度，同时采用ResNet18网络对检测到的人脸目标进行二分类，判断是否佩戴口罩。整体网络结构模型小，计算效率高。
-
公开(公告)号：CN108993917A
公开(公告)日：2018-12-14
申请号：CN201810317435.7
申请日：2018-04-10
申请人： 深圳大学
摘要： 本发明适用弹簧生产自动化领域，提供了一种微型弹簧的质量检测系统、方法及装置，该系统包括：机柜、上料组件、机械手取料组件、检测组件、不良品分选组件、良品出料组件、视觉检测设备以及可编程逻辑控制器，当接收到对待测微型弹簧进行质量检测的请求时，首先控制检测相机对待测微型弹簧进行弹簧图像采集，然后控制视觉检测设备对采集到的弹簧图像进行产品识别以及尺寸检测，得到对应的质量检测结果，将该质量检测结果发送给可编程逻辑控制器，最后控制可编程逻辑控制器根据质量检测结果发送处理信号给良品出料组件或者不良品分选组件，以对待测微型弹簧进行相应的处理，从而提高了微型弹簧质量检测的自动化程度，进而提高了质量检测的效率。
-
公开(公告)号：CN118247478B
公开(公告)日：2024-07-26
申请号：CN202410628101.7
申请日：2024-05-21
申请人： 深圳柯赛标识智能科技有限公司 , 深圳大学
IPC分类号： G06V10/22 , G06N3/0464 , G06N3/08 , G06V10/80 , G06V10/82 , G06V20/40 , G06V20/52 , G06V40/10
摘要： 本申请涉及计算机视觉技术领域，提供了一种基于优化Yolov7模型的儿童定位方法、装置、设备及存储介质，优化Yolov7模型为训练好的，优化Yolov7模型包括：输入层、BackBone层、Neck层和Head层，Neck层包括SPPCSPC模块，该方法包括：通过BackBone层、Neck层和Head层预测视频图像中的儿童以及对视频图像中的儿童进行定位；通过Sigmoid函数，复用BackBone层、Neck层的深度特征图像，激活儿童对应的分类标签，以提高儿童定位的准确度，从而能够更精准地定位目标儿童。
-
公开(公告)号：CN113762201A
公开(公告)日：2021-12-07
申请号：CN202111088283.6
申请日：2021-09-16
申请人： 深圳大学
摘要： 本发明实施例公开了一种基于yolov4的口罩检测方法，包括：步骤1：采集公共场合下人们佩戴口罩和未佩戴口罩的图像，制作训练集；步骤2：构建预设YOLOV4目标检测模型；步骤3：将训练集放入预设YOLOV4目标检测模型中训练；步骤4：通过所述训练后的预设YOLOV4目标检测模型对待检测视频流或图片进行检测，判断视频流或图片中的每一个人脸目标是否佩戴口罩。本发明针对口罩佩戴检测的一般场景，采用对Backbone网络部分更改为MobileNetV3结构，使用深度可分离卷积代替整个网络结构中的普通卷积，MobileNetV3结构体积小、计算效率高，对MobileNetV3结构里的SE注意力机制模块更改为CA注意力机制，将位置信息嵌入到通道注意力中，增强特征表达能力，加强对图片或视频区域的口罩检测。
-
公开(公告)号：CN118115543B
公开(公告)日：2024-09-27
申请号：CN202410541719.X
申请日：2024-04-30
申请人： 深圳柯赛标识智能科技有限公司 , 深圳大学
摘要： 本发明涉及一种基于视频的目标追踪方法、装置、计算机设备和存储介质，通过对DeepSort方法融合yolov5算法实现了特征对象的精准识别，使得特征对象在复杂场景中仍可以准确识别追踪，达到了更优的跟踪效果。同时，在yolov5目标检测的基础上，引入了多尺度残差注意力模块，以优化对行人的检测，特别是在监控下由于距离变化导致行人尺度变化的情况；以及，在yolov5算法中加入了遮挡感知注意力模块，该模块突出目标特征并抑制背景区域，从而提升对潜在目标的检测能力，进一步提高遮挡条件下的跟踪命中率；以及，在DeepSort方法中引入了ReID匹配模块，通过不同相邻帧的补充性增强和校准ReID特征，强化和校准了跟踪目标的匹配机制。
-
公开(公告)号：CN107392994B
公开(公告)日：2018-11-06
申请号：CN201710526406.7
申请日：2017-06-30
申请人： 深圳大学
摘要： 本发明适用计算机技术领域，提供了一种冠脉血管的三维重建方法、装置、设备以及存储介质，该方法包括：对冠状动脉造影(CAG)图像进行预处理、血管边缘轮廓与二维导引丝的提取，对血管内超声图像(IVUS)进行内外膜分割；将分别位于第一造影平面、第二造影平面的CAG图像中的二维导引丝平移至同一起点，构建垂直相交曲面，将交线设置为三维导引丝；在三维导引丝上将每帧IVUS图像等间隔排列、并旋转至与相应位置的切矢量垂直；在切矢量垂直平面旋转IVUS图像，并反投影于CAG图像，根据反投影和血管边缘轮廓到三维导引丝的距离，确定最佳定向角度，最后重建血管表面，从而同时检查血管的外形形态结构和内腔病变信息，提高了冠脉血管三维重建的效率和准确度。
-
公开(公告)号：CN118247478A
公开(公告)日：2024-06-25
申请号：CN202410628101.7
申请日：2024-05-21
申请人： 深圳柯赛标识智能科技有限公司 , 深圳大学
IPC分类号： G06V10/22 , G06N3/0464 , G06N3/08 , G06V10/80 , G06V10/82 , G06V20/40 , G06V20/52 , G06V40/10
摘要： 本申请涉及计算机视觉技术领域，提供了一种基于优化Yolov7模型的儿童定位方法、装置、设备及存储介质，优化Yolov7模型为训练好的，优化Yolov7模型包括：输入层、BackBone层、Neck层和Head层，Neck层包括SPPCSPC模块，该方法包括：通过BackBone层、Neck层和Head层预测视频图像中的儿童以及对视频图像中的儿童进行定位；通过Sigmoid函数，复用BackBone层、Neck层的深度特征图像，激活儿童对应的分类标签，以提高儿童定位的准确度，从而能够更精准地定位目标儿童。
-
公开(公告)号：CN113762200B
公开(公告)日：2023-06-30
申请号：CN202111088278.5
申请日：2021-09-16
申请人： 深圳大学
IPC分类号： G06V40/10 , G06V40/16 , G06V10/774 , G06V10/82 , G06N3/0464
摘要： 本发明实施例公开了一种基于LFFD的口罩检测方法，包括：步骤1：制作训练集；步骤2：构建预设的SP‑LFFD人脸检测网络和分类网络，并进行训练；步骤3：先将输入的图片进行人脸检测，然后获得人脸位置后再送入分类网络判断输入的图片的每一个人脸目标是否佩戴口罩；其中，预设的SP‑LFFD人脸检测网络包括25个卷积层，分为4个部分，各卷积层采用基于Split的SPConv卷积单元代替常规卷积。本发明针对口罩佩戴检测场景采用LFFD检测框架和Resnet18图像分类，采用SPConv卷积替代常规卷积，降低常规卷积中的冗余信息，可以大幅度提升推理速度，同时采用ResNet18网络对检测到的人脸目标进行二分类，判断是否佩戴口罩。整体网络结构模型小，计算效率高。
-
公开(公告)号：CN118115543A
公开(公告)日：2024-05-31
申请号：CN202410541719.X
申请日：2024-04-30
申请人： 深圳柯赛标识智能科技有限公司 , 深圳大学
摘要： 本发明涉及一种基于视频的目标追踪方法、装置、计算机设备和存储介质，通过对DeepSort方法融合yolov5算法实现了特征对象的精准识别，使得特征对象在复杂场景中仍可以准确识别追踪，达到了更优的跟踪效果。同时，在yolov5目标检测的基础上，引入了多尺度残差注意力模块，以优化对行人的检测，特别是在监控下由于距离变化导致行人尺度变化的情况；以及，在yolov5算法中加入了遮挡感知注意力模块，该模块突出目标特征并抑制背景区域，从而提升对潜在目标的检测能力，进一步提高遮挡条件下的跟踪命中率；以及，在DeepSort方法中引入了ReID匹配模块，通过不同相邻帧的补充性增强和校准ReID特征，强化和校准了跟踪目标的匹配机制。
-
-
-
-
-
-
-
-
-
搜索结果
11 条记录 (耗时 0.023 秒)
